抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
深層ニューラルネットワークは,それが十分にサンプリングされるならば,データ分布を学習する際に効率的である。しかし,それらは訓練データに暗黙的に組み込まれた非関連要因によって強くバイアスされる。これらには,社会的バイアスが暗黙的に存在するので,訓練データまたは不公平な訓練スケジュールで明示的に定義されているように,無効または不均等なデータサンプリングのような操作上のバイアスを含む。人間プロセスに影響を与えるタスクにおいて,社会的バイアスの学習は,識別的,非倫理的および不信な結果を生じる可能性がある。ラベル付きデータに関する教師つき学習から社会的バイアスステムが,従って,ラベル付きデータを必要としないので,自己監視学習(SSL)が,効率的でバイアスのない解として誤って現れることが,しばしば仮定される。しかし,最近,一般的なSSL法がバイアスを組込むことが最近証明された。本論文では,社会的バイアスを測定するために,心理学的専門家によって設計した方法とデータセットを用いて,ImageNetデータを用いて訓練されたSSL視覚モデルの多様な集合のバイアスを研究した。SSLモデルの型と,それを組み込んだバイアスの数との間に相関があることを示した。さらに,結果は,この数が,ネットワークを通してのモデルの精度と変化に厳密には依存しないことを示唆する。最後に,注意深いSSLモデル選択プロセスは,高性能を維持しながら,展開モデルにおける社会的バイアスの数を減らすことができると結論した。【JST・京大機械翻訳】